翟春婕,周桂雪

(1.南京森林警察學院 信息技術學院，南京 210023；2.南京森林警察學院 國家林業(yè)局森林公安司法鑒定中心 野生動植物物證技術國家林業(yè)局重點實驗室，南京 210023)

引 言

指紋是人類獨一無二的特征，根據(jù)指紋特征追蹤鎖定嫌疑人是公安機關偵破刑偵案件的關鍵技術手段。大量實踐表明，案發(fā)現(xiàn)場指紋痕跡圖像的有效提取對于破獲案件能夠起到極為關鍵的作用[1-3]?，F(xiàn)代科技的發(fā)展為指紋檢驗提供了新的理論依據(jù)及技術工具，目前學術界及工業(yè)界均開展了大量研究，提出了多種新型檢驗技術。

WOLSTENHOLME等人[4]通過光學與化學顯影相結合的方式成功采集了指紋中的血跡痕跡。LEINTZ等人[5]搭建了紫外光與自然光成像系統(tǒng)，表明自然光成像在合適照明角度時能夠采集到黃銅子彈殼上指紋信息，而紫外光成像無法采集。CRANE等人[6]使用近紅外光譜成像技術無損測量了犯罪現(xiàn)場的微弱指紋，表明近紅外波段更適合微弱指紋提取。TAHTOUH等人[7]優(yōu)化設計了光譜分辨率及照明角度，結合化學顯影及近紅外光譜成像提取了高分子紙幣、紙張及飲料罐等復雜表面的指紋?？梢姲赴l(fā)現(xiàn)場情況復雜，單一照明條件難以滿足需求，現(xiàn)場檢測時多光譜成像必不可少。通過融合不同波段信息，多光譜成像技術有效增強了目標場景圖像，已在遙感、農(nóng)業(yè)等領域廣泛應用。目前研究人員已提出一系列融合算法，包括小波變換[8]、稀疏特征[9]、機器學習[10-11]等，各有適用場合，但目前對于多光譜指紋圖像融合的研究較少，尚沒有成熟的解決方案。

另一方面，現(xiàn)場指紋圖像質(zhì)量一般較低，為了準確識別指紋，往往需要增強指紋圖像特征。目前指紋圖像增強技術已被系統(tǒng)研究，新的算法仍在不斷涌現(xiàn)。SHARMA等人[12]提出了一種兩步增強算法，首先基于機器學習算法識別指紋屬于干性、中性還是濕性，然后通過短時傅里葉變換進行增強。GUPTA等人[13]提出綜合考慮特征點密度及指紋方向進行圖像重建。KHAN等人[14]在計算指紋方向圖時考慮尺度因素，增加了方向圖的準確性，并進一步使用擴散濾波器及Gabor濾波器對指紋增強。但文獻中增強算法一般基于標準指紋圖像庫，缺少多光譜指紋圖像應用的驗證。

智能手機近年來作為嵌入式裝置控制主機獲得了廣泛的關注，已開發(fā)了一系列應用，如流場測量[15-16]、條碼識別[17]、比色測量[18-20]等，其一方面集成了處理器及圖像、聲音等多種傳感器，功能強大，另一方面可通過無限局域網(wǎng)(wireless fidelity，WIFI)或藍牙等無線模塊易實現(xiàn)數(shù)據(jù)傳輸。針對現(xiàn)場指紋圖像的實際需求，本文中提出了一種基于智能手機的指紋圖像自動化采集軟硬件系統(tǒng)，可實時采集、融合及增強指紋圖像，顯著提高了現(xiàn)場檢測效率及便攜性，在刑偵領域具有廣闊的應用前景。

1 指紋圖像采集裝置

便攜式指紋圖像采集裝置包括智能手機及電控光源，3維機械結構如圖1所示。

自行設計并使用3-D打印加工支架連接2個部分，智能手機通過支架孔拍攝電控光源照明的現(xiàn)場指紋圖像。智能手機使用Redmi 9A，操作系統(tǒng)為Android 9，電池容量為5000mAh，相機像素數(shù)目為2500×3200，傳感器尺寸3mm×2mm，主要使用其藍牙及拍照功能。電控光源由4組不同顏色發(fā)光二極管(light-emitting diode,LED)組成，分別為紫色(410nm)、藍色(450nm)、綠色(550nm)及紅色(630nm)的LED組成，LED的功率均為3W。

圖.1 3-D mechanical configuration for acquiring fingerprint images

圖2為控制系統(tǒng)原理圖。智能手機與光源之間使用下位機STM32F103作為控制接口，下位機外接串口轉(zhuǎn)藍牙模塊HC42。智能手機通過藍牙功能向下位機發(fā)送光源控制命令，下位機接收命令后控制LED的開關。需要注意的是，由于大功率LED的工作電流較大，普通光耦無法滿足電流要求，故使用固態(tài)繼電器進行控制。系統(tǒng)工作時，智能手機控制4組LED輪流照明并分別拍攝每個光源照明時的場景。由于后續(xù)圖像處理算法相對復雜，因此智能手機通過WIFI基于網(wǎng)格接口將圖像上傳至服務器進行處理。為避免控制軟件在不同手機機型的適配問題，作者使用微信小程序編寫了手機前端控制軟件，服務器端圖像處理則由Visual C#語言實現(xiàn)。

圖.2 Schematic diagram of the control system

2 指紋圖像增強算法

指紋識別技術在安保、門禁等領域已較為成熟，但與專用指紋采集設備不同，案發(fā)現(xiàn)場指紋圖像一般質(zhì)量較低、對比度較低，直接識別可能出現(xiàn)錯誤，需要進行一定的前處理以增強圖像。由于現(xiàn)場指紋情況復雜，難以針對性設計，本文中根據(jù)指紋特點提出一種自適應增強算法，包括多光譜圖像融合增強及指紋圖像增強兩個步驟。

2.1 多光譜圖像融合增強

多光譜圖像增強技術已廣泛應用于遙感探測領域。由于本裝置可獲得不同波段光源照明時的指紋圖片，因此,借鑒該技術能夠充分利用指紋在不同波段處反射率差異增加圖像對比度。目前已有多種多光譜圖像增強算法，本文中采用主成分分析(principal component analysis，PCA)技術。具體流程如下。

(1)由于智能手機一般拍攝為彩色圖像，需將其變換為灰度圖像，變換公式如下式所示:

g=0.2989R+0.5870G+0.1140B

(1)

式中,R,G及B分別為原圖像紅色、綠色及藍色分量，g為變換后灰度值，假設共拍攝N波段多光譜圖像，強度記為Ii(i= 1,…,N)，行數(shù)及列數(shù)分別記為r及c。

(2)將每個波段2維圖像矩陣轉(zhuǎn)成1維向量，獲得圖像向量矩陣M，其行數(shù)與列數(shù)分別為r×c及N，求解M的協(xié)方差矩陣C及其特征向量矩陣V與特征值對角矩陣A，提取最大特征值Am及對應特征向量Vm。

(3)融合增強后圖像如下式所示:

I=M·Vm

(2)

2.2 指紋圖像濾波增強

研究人員已開發(fā)了多種指紋圖像增強算法，如灰度均衡、小波變換、卷積神經(jīng)網(wǎng)絡等，這些算法各有優(yōu)缺點及適應場合，本文中選擇改進依據(jù)指紋本身特點進行增強的方向濾波算法，使用與指紋局部紋線方向一致的濾波器，增強實用性，具體流程如下。

(1)方向圖計算。指紋圖像在紋線方向變化緩慢，垂直紋線方向則變化劇烈，因此紋線方向與圖像梯度密切相關。本文中使用Sobel算子計算圖像梯度，如下式所示：

(3)

式中，*表示卷積，I0是需要求解梯度的原圖像。由于梯度方向相反時方向圖應保持一致，因此將方向角定義在第一象限和第四象限，如下式所示：

θ=arctan(Gy/Gx)

(4)

(4)式表明方向角范圍為(-π/2,π/2]，進一步對其進行離散化處理，將方向角范圍均勻離散至16個區(qū)間，即(-π/2,-7π/16],(-7π/16,-6π/16],…,(7π/16,π/2]，并新建數(shù)組保存方向角直方圖。由于指紋圖像在局部方向圖變化較為緩慢，因此為減小計算量，將圖像進行分塊，尺寸為16×16，遍歷圖塊各像素，建立直方圖，選擇具有最多像素的方向角作為圖塊整體方向，最終獲得方向圖。

(2)方向濾波器設計。方向濾波器一方面增強沿著指紋紋線方向的點并減弱隨機噪聲影響，另一方面斷開垂直紋線方向粘連以提高指紋質(zhì)量。假設圖塊中心像素坐標為(0,0)，對應方向角為θ0，則過圖塊中心的方向直線可表示為:

xsinθ0+ycosθ0=0

(5)

根據(jù)定義，方向濾波器應在平行直線的方向具有相近權重，垂直直線的方向具有漸變權重，因此采用距離函數(shù)定義濾波器元素權值為:

W=A0-A1D

(6)

式中,A0及A1為經(jīng)驗參量，分別設置為11及3;D是指數(shù)，表示該元素位置與過圖塊中心的直線之間的距離，單位為像素。

D=|x0sinθ0+y0cosθ0|

(7)

式中,(x0,y0)為元素的像素位置。由于方向角已離散為16個數(shù)值，方向濾波器可預先計算并存儲于內(nèi)存中，后續(xù)濾波時直接根據(jù)方向角調(diào)用相應濾波器與圖塊進行卷積運算即可。

完成濾波器設計后，分別對每塊圖像進行卷積濾波即可實現(xiàn)圖像增強?；谏鲜鲈?，本文中的算法流程如圖3所示。

圖.3 Flowchart of the algorithm for image processing

3 結果與討論

對搭建的指紋圖像自動化采集裝置進行了實驗研究。首先在藍色背景顏色紙張上使用紅色印泥制作了指紋，進一步測試了多光譜采集及圖像增強的效果。為了模擬現(xiàn)場實際指紋質(zhì)量可能較差的情況，實驗中并未特別注重指紋質(zhì)量，指紋存在較嚴重的粘連。由于實驗拍攝時只需固定好裝置，LED為電子控制，無需任何機械調(diào)節(jié)，因此圖像采集具有較高的效率，4幅圖像約需0.5s。

圖4為4種LED照明時拍攝的典型指紋圖像。由圖4a～圖4d分別為紫色、藍色、紅色、綠色LED照明時采集圖像的灰度圖。紅色LED照明時藍色背景強度較弱，部分紅色粘連指紋反射較強，顯示為白色，但左側(cè)及下方指紋反射很弱，對比度較差，表明紅色照明難以適用于該指紋的圖像采集需求。藍色與紫色LED的照明波長較為接近，采集的圖像相近。與預期一致，指紋主體部分反射率低于背景部分，因此在圖像上顯示為黑色指紋，但值得注意的是，指紋中部及下方部分紋線之間背景為白色，這主要是因為制作指紋的紋線具有3維曲面面形，在特定角度光源照明時將光線鏡面反射至紋線中間的背景上，導致背景反射強度較高，表明光源入射角度對成像效果有較大的影響。由于智能手機鏡頭一般具有一定的變焦能力，因此在實際測量時，可移動裝置，通過控制其與指紋的距離調(diào)節(jié)光源入射角度。相比之下，圖4d中綠色LED照明時藍色背景較亮，紅色指紋紋線較暗，具有更高的對比度，因此綠色照明更為適合實驗中指紋及背景顏色。

圖.4 Fingerprint images with the illumination

對圖4中多光譜圖像進行了融合及增強測試，服務器使用普通個人計算機進行圖像處理，CPU為Intel(R)Core(TM)i7-7700@3.60GHz，內(nèi)存為8.0GB，圖像像素數(shù)目為384×288，此配置下主成分分析法融合約需100ms。融合結果如圖5a所示。由于圖4d具有最高對比度，其對融合圖像主成分影響最大，因此融合圖像整體分布與圖4d相近，但圖4b中部及下方明亮的背景部分在融合圖像中亦有所體現(xiàn)，表明主成分分析法能夠?qū)⒚糠鶊D像的局部特征進行融合。進一步進行了方向濾波測試，對其進行分塊處理，每塊的像素為32×32，濾波器尺寸為7×7，濾波時間約需100ms，可滿足一般場景處理效率需求，若需要融合及增強海量指紋圖像，則可進一步通過并行計算提高效率。圖5b為進行方向濾波增強后的指紋圖像。與原圖像相比，圖像具有更高的對比度，可為后續(xù)識別提供更高質(zhì)量的指紋圖像。同時,盡管圖像進行了分塊，但并未觀察到馬賽克效應，表明設計的圖像增強算法達到了預期的效果。

圖.5 Fingerprint images

為了進一步定量研究算法性能，引入加權指紋圖像質(zhì)量評價指標，包括平均灰度指標、灰度模糊指標、全局方向一致性及全局脊線紋理清晰度。具體參量為：灰度閾值為[0.2,0.8]，灰度方差閾值為0.2，方向一致性閾值為0.2，紋線清晰度閾值為[5,10,4]。4種指標權值相同，指標詳細解釋及參量意義見參考文獻[21]。計算結果如表1所示，可見照明波長不同時，指紋圖像質(zhì)量變化明顯。經(jīng)過多光譜融合處理后，指紋圖像質(zhì)量相比最優(yōu)波長有所改善，而在方向濾波之后大幅增加，表明多光譜融合及方向濾波能夠有效改善指紋圖像質(zhì)量，為后續(xù)指紋識別提供了良好的基礎。表中圖像質(zhì)量為純數(shù)值計算結果，灰度范圍值為0～1。

Table 1 Evaluation of fingerprint image quality

4 結 論

便攜式多光譜指紋采集系統(tǒng)在現(xiàn)場刑偵領域有廣泛的需求，針對此問題，本文中搭建了一種基于智能手機的多光譜指紋圖像便攜式采集裝置。智能手機通過藍牙控制多波長LED照明并拍攝對應指紋圖像，然后將圖像通過網(wǎng)絡傳輸至服務器端進行處理。設計了多光譜圖像融合及基于方向濾波的圖像增強算法，自行制作了指紋進行了測試，結果表明，該裝置采集并處理4幅圖像可在1s內(nèi)完成，滿足了現(xiàn)場指紋圖像采集及處理效率的需求，提出的圖像融合及增強算法能夠保留多光譜圖像的各自特征并提高圖像質(zhì)量，適用于不同顏色背景與指紋的區(qū)分。由于一般手機鏡頭的微距拍攝效果一般，可通過外接鏡頭的方案進一步改善微距拍攝時指紋圖像的質(zhì)量。與現(xiàn)有多光譜成像裝備相比，本裝置成本、便攜性及智能性得到了顯著提高，有望在現(xiàn)場指紋圖像采集領域得到廣泛應用。